Detection of Prostate Cancer from RF Ultrasound Echo Signals Using Fractal Analysis
Notice bibliographique
Résumé
In this paper we propose a new feature, average Higuchi dimension of RF time series (AHDRFT), for detection of prostate cancer using ultrasound data. The proposed feature is extracted from RF echo signals acquired from prostate tissue in an in vitro setting and is used in combination with texture features extracted from the corresponding B-scan images. In a novel approach towards RF data collection, we continuously recorded backscattered echoes from the prostate tissue to acquire time series of the RF signals. We also collected B-scan images and performed a detailed histopathologic analysis on the tissue. To compute AHDRFT, the Higuchi fractal dimensions of the RF time series were averaged over a region of interest. AHDRFT and texture features extracted from corresponding B-scan images were used to classify regions of interest, as small as 0.028 cm of the prostate tissue in cancerous and normal classes. We validated the results based on our histopathologic maps. A combination of image statistical moments and features extracted from co-occurrence matrices of the B-scan images resulted in classification accuracy of around 87%. When AHDRFT was added to the feature vectors, the classification accuracy was consistently over 95% with best results of over 99% accuracy. Our results show that the RF time series backscattered from prostate tissues contain information that can be used for detection of prostate cancer
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».